-
公开(公告)号:CN109918410B
公开(公告)日:2020-12-04
申请号:CN201811285204.9
申请日:2018-10-31
申请人: 中国人民解放军国防科技大学
IPC分类号: G06F16/2458
摘要: 本发明提供一种基于Spark平台的分布式大数据函数依赖发现方法,包括数据分区,包括根据Spark集群各节点分配的CPU内核数对数据进行分区;生成属性集合的所有非空子集,包括通过数据库中的所有属性集合,生成含有所有非空子集的集合,为求解所有属性集合的等价类个数作准备;累加各节点属性集合的等价类数量,通过等价类计算得到全局数据库的(属性集合,等价类数)集合;迭代各属性集合生成函数依赖集合,包括由各属性集合的子集构建候选函数依赖关系,判断函数依赖关系是否成立。该方法解决了分布式环境下函数依赖发现算法的负载不平衡和低效问题,大幅度提高了函数依赖发现的执行效率。
-
公开(公告)号:CN111504338A
公开(公告)日:2020-08-07
申请号:CN202010315880.7
申请日:2020-04-21
申请人: 中国人民解放军国防科技大学
发明人: 张海粟 , 祁超 , 张胜 , 徐飞 , 王龙 , 计策 , 于建平 , 邓锴 , 李向朋 , 李韬伟 , 马琳飞 , 尹妍 , 吴照林 , 朱明东 , 戴剑伟 , 左青云 , 王强 , 文峰 , 刘一博
IPC分类号: G01C21/34
摘要: 本发明公开了一种基于小区疫情态势的步行路径规划方法及系统,设置用于限定路径搜索范围的搜索区域,确定搜索区域内的所有路段及道路交叉口;量化约束参数,包括基于小区疫情态势对路段疫情感染风险进行量化,为搜索安全路径提供依据;求解路段弧权值,包括采用基于最短路径长度的调节函数来为区域内各路段的步行长度、疫情风险因子及疫情密度动态赋权,将三约束因素加权求和后得到对应路段的路段权重;搜索最优路径,包括在确定的搜索区域中,将路口和路段分别标记为节点V和边E,根据路段权重W,将路网抽象为有向图G=[V,E,W],采用Dijkstra算法对限定搜索区域的路径进行寻优,从而获得兼顾时间开销及步行安全的最优路径。
-
公开(公告)号:CN111504338B
公开(公告)日:2021-09-14
申请号:CN202010315880.7
申请日:2020-04-21
申请人: 中国人民解放军国防科技大学
发明人: 张海粟 , 祁超 , 张胜 , 徐飞 , 王龙 , 计策 , 于建平 , 邓锴 , 李向朋 , 李韬伟 , 马琳飞 , 尹妍 , 吴照林 , 朱明东 , 戴剑伟 , 左青云 , 王强 , 文峰 , 刘一博
IPC分类号: G01C21/34
摘要: 本发明公开了一种基于小区疫情态势的步行路径规划方法及系统,设置用于限定路径搜索范围的搜索区域,确定搜索区域内的所有路段及道路交叉口;量化约束参数,包括基于小区疫情态势对路段疫情感染风险进行量化,为搜索安全路径提供依据;求解路段弧权值,包括采用基于最短路径长度的调节函数来为区域内各路段的步行长度、疫情风险因子及疫情密度动态赋权,将三约束因素加权求和后得到对应路段的路段权重;搜索最优路径,包括在确定的搜索区域中,将路口和路段分别标记为节点V和边E,根据路段权重W,将路网抽象为有向图G=[V,E,W],采用Dijkstra算法对限定搜索区域的路径进行寻优,从而获得兼顾时间开销及步行安全的最优路径。
-
公开(公告)号:CN109918410A
公开(公告)日:2019-06-21
申请号:CN201811285204.9
申请日:2018-10-31
申请人: 中国人民解放军国防科技大学
IPC分类号: G06F16/2458
摘要: 本发明提供一种基于Spark平台的分布式大数据函数依赖发现方法,包括数据分区,包括根据Spark集群各节点分配的CPU内核数对数据进行分区;生成属性集合的所有非空子集,包括通过数据库中的所有属性集合,生成含有所有非空子集的集合,为求解所有属性集合的等价类个数作准备;累加各节点属性集合的等价类数量,通过等价类计算得到全局数据库的(属性集合,等价类数)集合;迭代各属性集合生成函数依赖集合,包括由各属性集合的子集构建候选函数依赖关系,判断函数依赖关系是否成立。该方法解决了分布式环境下函数依赖发现算法的负载不平衡和低效问题,大幅度提高了函数依赖发现的执行效率。
-
公开(公告)号:CN115577316A
公开(公告)日:2023-01-06
申请号:CN202211196067.8
申请日:2022-09-28
申请人: 中国人民解放军国防科技大学
IPC分类号: G06F18/25 , G06F18/241 , G06F18/2431 , G06N3/04 , G06N3/08
摘要: 本申请公开了一种基于多模态数据融合的用户人格预测方法与应用。该方法包括:利用网络平台上的文本数据和图片数据,从文本数据和图片数据中分别提取文本特征向量和图片特征向量,将文本特征向量和图片特征向量进行拼接,获得拼接向量;利用网络平台上的用户关系数据,将用户作为图的节点,根据用户关系数据构建节点间的边,将拼接向量作为节点的语义表示,将图输入到基于图神经网络的用户人格预测模型中,输出用户人格预测值;将用户的文本数据按周期进行划分,根据不同周期的文本数据调整用户的预测值。本发明充分利用了文本、图片和关系多模态的数据,可以提高用户人格预测精准度。
-
公开(公告)号:CN111291149A
公开(公告)日:2020-06-16
申请号:CN202010128085.7
申请日:2020-02-28
申请人: 中国人民解放军国防科技大学
摘要: 本发明提供基于航向偏差的船舶AIS时空轨迹分段及模式提取方法,对船舶AIS时空轨迹数据预处理后,基于航向偏差对压缩后的时空轨迹线进行分段,然后进行轨迹段聚类和特征线提取;所述基于航向偏差对压缩后的时空轨迹线进行分段,包括根据轨迹线上连接相邻两点形成的线段与基准线段间的夹角,得到引起船舶航向显著偏差的轨迹特征点,并基于这些特征点对轨迹线进行分段。应用本发明能从周边海域庞杂的船舶轨迹中,自动提取船舶航行轨迹模式,对于我国近海船舶航道资源利用具有重要意义。
-
-
-
-
-